Сверточная нейронная сеть со 101 слоем известна как ResNet-101.
База данных ImageNet содержит предварительно обученную адаптацию сети, подготовленную на более чем миллионе изображений. Сеть может разделять изображения на 1000 различных классификаций объектов, включая клавиатуру, мышь, карандаш и, более того, множество животных. Соответственно, сеть получила богатые изображения компонентов для ассортимента изображений.
Сначала мы выполним нашу операцию с набором данных CIFAR-10. Есть 50000 обучающих изображений и 10000 тестовых изображений. Он имеет пять тренировочных партий и 1 тестовую партию. Набор данных состоит из 10 классов, которые я вычислил как x в своем коде, например x0, x1…….x9.
Ниже приведены некоторые краткие сведения о параметрах, которые я использовал в своем коде:
- Набор данных: ЦИФАР-10
- Библиотеки, используемые при реализации модели Resnet-101 — Tensorflow, Keras, matplotlib, NumPy, cv2.
- Модель CNN — Resnet101
- Введите форму/ширину и высоту изображения — 227x227x3
- Размер партии — 28
- Скорость обучения — 0,000057
- Количество эпох — 15
Наконец, мы завершили наш код и добились средней точности тестирования около 95%.
Код Github: https://github.com/durveshshah/Machine-Learning/blob/main/Cifar10_Code.py
Следуйте за мной на Github: https://github.com/durveshshah
